2009/5/13 日本PostgreSQLユーザ会北海道支部勉強会の資料です(が、大切なことな何も書いていません)。

1. PostgreSQLで学ぶ
Boyer-Moor-Horspool法

2. 概要
8.4では、position()、strpos()、replace()、split_part()
●
、string_to_array()のアルゴリズムが改善されている
LIKE '%hoge%'よりもstrpos() > 0の方が速そう
●
SELECT strpos('high', 'ig') => 2
●
SELECT strpos('high', 'X') => 0
●

3. PostgreSQLのしくみに興味が無い方向けの情報は
●
は、ここで終了

4. 概要(2)
Boyer-Moore-Horspoolアルゴリズムについて学ぼう
●
PostgreSQLのシステムカタログや関数の実装につい
●
て学ぼう

5. B-M-H法とは
文字列検索アルゴリズム
●
PostgreSQL8.4で実装された
●
Knuth-Morris-Pratt
●
Boyer-Moore
●
Boyer-Moore-Horspool(HORSPOOL R.N., 1980, Practical
●
fast searching in strings)
Sunday Quick Search
●

6. 詳しくはWebで!!
●
http://en.wikipedia.org/wiki/Boyer-Moore-Horspool_algorithm
●
http://www-igm.univ-mlv.fr/~lecroq/string/index.html
●
http://www.hgc.jp/~tshibuya/classes/
●

7. なんでもかんでもシステムカタログ
●
pg_proc - 関数
●
pg_operator - 演算子
●
pg_type - データ型
●
pg_cast - キャスト
●
等々
●
select prosrc from pg_proc where proname = 'strpos';
●

8. src/backend/utils/adt/varlena.c
●
text型、varchar型関係の関数が詰まってる
●
src/backend/utils/adt/には関数や演算子など、組み込みデー
●
タ型を扱う関数が詰まってる

9. ポイント
不一致だった場合に何文字スキップできるかは、
●
patternの末尾の比較対象の文字によって決まる
簡易実装では、256個の配列でbad-char-tableを持って
●
いる
日本語どうすんの？
●

10. multibyte/widechar
マルチバイト
●
可変長
●
ASCII互換
●
EUC-JP、UTF-8
●
ワイド文字
●
固定長(16bit/32bit)
●
ASCII非互換
●
UTF-16(?)、UTF-32
●
別にUNICODEじゃなくてもいいけどね
●
src/backend/utils/mb/wchar.c
●

11. LIKE '%hoge%'よりもstrpos()の方が速そう
●
自動的に最適化できれば嬉しいんだけど、、、
●
pat[0] = '%' && pat[last] = '%'であればstrpos()するとしたい
●
ところだけれど、like_escapeがあるので
skiptablemaskを決めてる根拠がよくわからない。と
●
いうか調べてない